一、安裝pytorch

1、創建虛擬環境

???????? 使用Anaconda安裝，建議先創建一個虛擬環境。啟動Anaconda Prompt，在命令行輸入：

???????? conda create -name torch python==3.7.11

2、安裝pytorch

???????? 進入pytorch官網，根據需要選擇系統、安裝包、語言和計算平臺。

???????? 通過conda安裝CPU版pytorch：

???????? conda install pytorch torchvision torchaudio cpuonly -c pytorch

???????? 安裝其他版本pytorch：點擊Previous versions of PyTorch，找到更早的版本，比如1.8.0。在Anaconda命令行輸入：

???????? conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cpuonly -c pytorch

???????? 如果安裝報錯，可嘗試使用pip進行安裝。

???????? pip install pytorch==1.8.0

3、部署YOLOv5

???????? YOLOv5開源地址：https://github.com/ultralytics/yolov5

???????? 下載源碼以后，使用pycharm打開train.py文件。在pycharm配置conda環境：依次點擊File->settings->Project->Python Interpreter->Add Python Interpreter->Conda Environment->Existing environment選擇Anaconda3->envs文件夾下對應虛擬環境名稱文件夾下的python.exe文件。

4、修改配置參數

???????? 在train.py中找到parse_opt，根據需要修改其中參數，一般只需要對前六個參數進行修改。

weights為訓練參數保存名稱，cfg設置模型配置文件，這里選yolov5s.yaml，在data中配置訓練數據配置文件為coco128.yaml。epoch根據自己想要訓練的輪數自行修改，batchsize大小根據電腦內存或顯存大小修改。

5、模型訓練

???????? 運行train.py文件，使用coco128進行yolov5s訓練，首次運行會自動下載coco128數據集，下載完成后自動開始模型訓練。由于yolov5s模型和coco128數據集都比較小，使用cpu訓練1個epoch也就一兩分鐘，每輪訓練后更新模型驗證精度。觀察指標：精度'P'，召回率'R'，mAP@.5和mAP@.5:.95。

?

6、精度驗證

???????? 訓練完成后，在runs->train->exp->weights文件夾下找到last.pt和best.pt文件，將best.pt文件拷貝至yolov5-master目錄下，修改為yolov5s.pt。打開val.py運行，進行模型驗證。

?

7、推理驗證

???????? 運行detect.py，進行推理驗證。

推理結果：

?

8、模型導出

???????? 模型驗證和推理結果滿足性能需求后，運行export.py可以將訓練得到的pytorch權重pt文件導出為onnx格式，用于推理部署。導出過程如果出現報錯，可嘗試修改parse_opt中的配置參數'opset'，將default修改為12或其他onnx版本。

?

?

?

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的YOLOv5训练coco128数据集流程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。